這項研究旨在提升隨機對照試驗（RCT）出版物的報告品質，透過開發文本分類模型來檢視對CONSORT檢查表的遵循情況。研究使用了標註37個CONSORT項目的語料庫，訓練了多種模型，包括微調的PubMedBERT和BioGPT。主要發現顯示，微調的PubMedBERT模型在句子層級的微F1分數達0.71，文章層級為0.90。數據增強的影響有限，且針對方法的模型表現較佳。整體而言，這些模型能有效支持期刊編輯，改善RCT出版物的遵循情況。 PubMed DOI

大型語言模型（LLMs）在醫療保健的應用越來越普遍，這讓標準化報告指導方針變得更重要。TRIPOD-LLM框架是TRIPOD加上人工智慧聲明的延伸，專門針對LLMs在生物醫學中的挑戰，提供19個主要項目和50個子項目的檢查清單，涵蓋報告的各個部分。 這個框架採用模組化設計，適用於不同研究和任務，並透過專家共識制定，強調透明度和人類監督。此外，還有一個互動網站幫助使用者生成報告PDF。TRIPOD-LLM會隨著領域進展而調整，目的是提升LLM在醫療研究中的質量和臨床相關性。 PubMed DOI

SPIRIT介入是一種基於證據的方法，旨在改善透析病人及其代理決策者的預立醫療計畫。最近的評估顯示，82.7%的參與者完成第一次會議，76.4%參加第二次會議。護理提供者在會議中遵循步驟的忠實度高達98%至100%。病人和代理者對SPIRIT的接受度也很高，認為改善了溝通和關係。然而，安排會議時面臨挑戰，需平衡其他臨床責任。研究建議未來需探索克服這些障礙的策略。 PubMed DOI

這項研究評估大型語言模型（LLMs）在生成臨床試驗計畫書的有效性。研究人員使用LLM生成不同疾病和試驗階段的計畫書，並根據臨床思維、透明度、醫學術語和內容相關性四個標準進行評估。結果顯示，LLM在內容相關性和術語方面表現良好，但在臨床思維和透明度上則較差。為提升表現，研究人員採用檢索增強生成（RAG）方法，顯著改善了內容質量，提升了臨床思維和透明度的分數。這表明RAG方法能有效提升LLM在臨床試驗文件撰寫的可用性，並可能改變藥物開發過程。 PubMed DOI

這項研究評估了OpenAI的GPT-4和Meta的Llama 2兩個大型語言模型在運動醫學臨床試驗報告遵循指導方針的有效性。分析了113篇論文，並針對遵循情況向模型提問。結果顯示，GPT-4 Turbo的F1分數達0.89，準確率90%；Llama 2經微調後，F1分數提升至0.84，準確率83%。此外，GPT-4 Vision能準確識別參與者流動圖，但在細節檢測上有困難。整體而言，這兩個模型在評估報告遵循方面顯示出潛力，未來開發高效的開源AI-LLM可能會進一步提升準確性。 PubMed DOI

CONSORT（隨機試驗報告的綜合標準）聲明是一項提升隨機試驗報告質量的重要指導方針。自1996年發布以來，經過2001年和2010年的更新，最新版本CONSORT 2025納入了最新的方法學進展及使用者反饋。這次更新包含30個基本項目，新增7項、修訂3項並刪除1項，還整合了關鍵擴展元素及開放科學部分。為了協助實施，提供了詳細的擴展檢查清單，旨在增強報告的清晰度與透明度，供作者、編輯及審稿人使用。 PubMed DOI

CONSORT 2025聲明是針對隨機試驗報告的最新指引，更新了30項檢查清單，加入開放科學專區和更詳細說明，目的是提升報告的清楚度和透明度。建議撰寫或審查隨機試驗論文時都要參考這份指引。 PubMed DOI

這篇研究探討在隨機對照試驗中，遇到時間到事件型結局及介入後事件時，該怎麼定義和估計因果效應。作者說明 ICH E9 (R1) 裡的五種策略，並推導數學定義與所需資料，提出非參數估計方法，還用 LEADER 試驗資料做實例說明。 PubMed DOI

STAR工作小組自2021年成立，目標是用39項、11領域的評估工具，提升臨床指引品質與透明度。針對266份中國傳統與整合醫學指引評估，發現整體分數偏低，顯示需加強。為改善現況，STAR秘書處將成立國際專業委員會，結合AI技術，提升全球TIM指引品質，並考慮發展國際版擴充指引。 PubMed DOI

這項研究比較四款熱門免費大型語言模型在檢查健康研究報告是否遵守PRISMA 2020和PRIOR指引的表現。結果發現，所有模型在PRISMA 2020的判斷上都高估了合規情況，準確度不如人類專家；但在PRIOR指引上，ChatGPT表現和專家差不多。這是首篇針對此任務的比較研究，未來還需更多探討AI在健康研究審查的應用。 PubMed DOI